Uso de Bluetooth de Baja Energía en Aplicaciones de Localización Indoor

Abstract

La localización de activos en el interior de edificios es un problema con aplicaciones en diferentes campos y actividades, como la sanidad, prevención de riesgos laborales o diferentes actividades comerciales. En estos lugares, donde la localización mediante GPS no está disponible, es necesario ofrecer una nueva solución que permita resolver el problema ofreciendo una precisión adecuada y manteniendo la viabilidad económica del proyecto. En este paper presentamos Xtremeloc, un sistema de posicionamiento indoor basado en tecnología Bluetooth de Baja Energía. Además, compararemos nuestra propuesta con las diferentes alternativas disponibles, describiendo sus ventajas e inconvenientes.

Full text

Uso de Bluetooth de Baja Energía en
Aplicaciones de Localización Indoor
Daniel Barba 1, Ana Moretón-Fernández 2, Héctor del Campo-Pando 3,
Sergio García-Villanueva 4, Juan March 5y Diego R. Llanos 6
Resumen— La lo calización de activos en el interior
de edificios es un problema con aplicaciones en dife-
rentes campos y actividades, como la sanidad, pre-
vención de riesgos laborales o diferentes actividades
comerciales. En estos lugares, donde la localización
mediante GPS no está disponible, es necesario ofrecer
una nueva solución que permita resolver el problema
ofreciendo una precisión adecuada y manteniendo la
viabilidad económica del proyecto. En este paper pre-
sentamos Xtremeloc, un sistema de posicionamiento
indoor basado en tecnología Bluetooth de Ba ja Ener-
gía. Además, compararemos nuestra propuesta con las
diferentes alternativas disponibles, describiendo sus
ventajas e inconvenientes.
Palabras clave— Indoor Positioning, localización,
Bluetooth, BLE
I. Introducción
La Localización Indoor es una técnica aún en desa-
rrollo para el posicionamiento de objetos y personas
en el interior de un edificio. En estas circunstancias
el uso de GPS no es viable bien por una baja cober-
tura que limita a la obtención de conexión tras 15-30
minutos de funcionamiento, o bien por una precisión
con un margen de error en el rango de las decenas de
metros, se hace necesario encontrar una alternativa
de bajo coste y con la precisión requerida.
Frente al Global Positioning System (GPS), apare-
ce el concepto de Local Positioning System (LPS) [1].
Estos sistemas, al contrario que el GPS y similares,
no ofrecen cobertura global sino que abarcan una zo-
na relativamente pequeña, delimitada por el alcance
de las balizas detectoras. Estas balizas se ubican en
posiciones que son conocidas de antemano y, median-
te el uso de distintos algoritmos, permiten ubicar un
objeto o persona en su sistema de coordenadas local.
En concreto, un subtipo de LPS es el denominado
Real-time Locating System o RTLS. Estos sistemas
añaden a la identificación la posibilidad de ubicar en
un instante dado su posición en una zona delimitada.
Durante los últimos años se han propuesto técni-
cas basadas en diferentes tecnologías inalámbricas,
como Infrarrojos, Ultrasonidos, WIFI, RFID, Blue-
tooth, etc. Recientemente están surgiendo algunas
nuevas, como el uso de la tecnología Ultra-Wideband
1Departamento de Informática, Universidad de Valladolid,
e-mail: daniel@infor.uva.es.
2Departamento de Informática, Universidad de Valladolid,
e-mail: ana@infor.uva.es.
3Departamento de Informática, Universidad de Valladolid,
e-mail: hectorcampop@outlook.com.
4Departamento de Informática, Universidad de Valladolid,
e-mail: srgarcia91@gmail.com.
5RDNest SL, e-mail: jamarch@rdnest.com.
6Departamento de Informática, Universidad de Valladolid,
e-mail: diego@infor.uva.es.
(UWB). No obstante, aún no se ha conseguido un sis-
tema de tiempo real con una adecuada respuesta a
los movimientos y una precisión aceptable, así como
con un coste suficientemente bajo para animar a su
despliegue comercial.
Nuestro trabajo ha consistido en el desarrollo de
una solución que hemos llamado Xtremeloc. Esta
solución se basa en el uso de tecnología Bluetooth
de Baja Energía (BLE), permitiendo localizar en el
plano de un edificio dispositivos BLE emisores gra-
cias al despliegue de un número de dispositivos re-
ceptores llamados RDHubs. En este paper, además
de explorar las diferentes tecnologías disponibles, ex-
plicamos la arquitectura de Xtremeloc, describiendo
los diferentes dispositivos implicados. Comentamos
los diferentes problemas relacionados con la gran va-
riabilidad en la intensidad de la señal Bluetooth, y
mostramos los resultados obtenidos al aplicar un al-
goritmo de filtrado, desarrollado en colaboración con
RDNest SL.
XtremeLoc es un sistema de localización indoor
en tiempo real (RTLS) de bajo coste. En el momen-
to de la escritura de este paper, un prototipo piloto
del sistema ha sido desplegado en la Escuela de Inge-
niería Informática de Valladolid, dónde ya se puede
utilizar el sistema para la ubicación de personas o
activos en un área del edificio. Este sistema puede
implantarse fácilmente y con un coste muy asequi-
ble en otros edificios públicos o industriales en los
que la ubicación de personas o activos puede ser in-
teresante. Los hospitales y centros de salud son un
claro ejemplo. Con un elevado número de personas
en constante movimiento, la ubicación a tiempo real
de los pacientes puede mejorar las condiciones de se-
guridad de los mismos. Grandes centros industriales
pueden mejorar sensiblemente las condiciones de se-
guridad en caso de emergencia, como por ejemplo la
posibilidad de conocer la ubicación de los trabajado-
res durante un incendio o accidente. Existen también
aplicaciones fuera del ámbito de la seguridad o de la
salud. La localización a tiempo real de material en al-
macenes o recintos industriales en los que dichos ma-
teriales suelen moverse con relativa frecuencia puede
reducir las situaciones en las que estos materiales se
pierden durante los transportes. La principal contri-
bución de XtremeLoc frente a sistemas tradicionales
es la capacidad de disponer de la ubicación real en un
instante dado, sin necesidad de control de accesos o
anotaciones manuales, además de permitir el alma-
cenamiento de los desplazamientos de la persona o
activo en seguimiento.

El resto del paper se estructura de la siguiente ma-
nera. La Sección II presenta una descripción de las
tecnologías que se utilizan en Localización Indoor con
un coste medio-bajo de implementación y una preci-
sión media-alta, analizando sus fortalezas y debilida-
des. En la Sección III presentamos nuestra solución,
Xtremeloc. La Sección IV describe los problemas de
la tecnología Bluetooth relativos a la intensidad de
la señal y su efecto en el sistema de localización. La
Sección V contiene las conclusiones y trabajo futuro
relativos a este trabajo.
II. Estado del Arte
En esta sección se describen las técnicas actuales
de Localización Indoor [2, 3], especialmente RFID,
Ultra-Wideband, Bluetooth y Ultrasonidos, anali-
zando su funcionamiento así como sus ventajas e in-
convenientes en un despliegue real. La literatura es
muy amplia en este campo y algunas tecnologías lle-
van años utilizandose en el campo del LPS y RTLS.
Para los propósitos de nuestro estudio, analizaremos
las tecnologías mejor indicadas para los siguientes
requisitos:
Posicionamiento en tiempo real.
Despliegue en entornos con un alto número de
obstáculos y tráfico de personas.
Posicionamiento con interacción mínima de la
persona o activo a localizar.
Soluciones de bajo coste cuyo despliegue sea eco-
nómicamente viable.
Estas características hacen difícil la implementa-
ción de sistemas de localización indoor que ya han
sido probadas y utilizadas en situaciones como el
guiado de robots en fábricas. Esto se debe a que mu-
chos de esos sistemas no son capaces de funcionar
correctamente en entornos menos controlados.
A. RFID: Radio Frequency Identification
La tecnología RFID [4, 5] existe desde hace años.
Se basa en el uso de pequeñas etiquetas, compuestas
por un chip y una antena. Su uso más conocido es
para la lectura de información almacenada en dichas
etiquetas. Los sistemas RFID se dividen en dos tipos:
RFID Pasivo: Las etiquetas son más simples,
activándose mediante energía transferida por el
lector RFID por radio frecuencia. Debido a es-
to, su alcance y potencia son extremadamente
pequeños (del orden de tres metros).
RFID Activo: Las etiquetas tienen su propia ba-
tería, lo que permite aumentar su potencia y su
alcance (hasta 100m).
A pesar de que las etiquetas RFID son extremada-
mente baratas, en particular las de RFID pasivo, esta
tecnología presenta varios inconvenientes. En primer
lugar, el precio de los lectores RFID es muy alto.
En segundo lugar, la lectura RFID tiene una fuerte
componente direccional, obligando a aumentar enor-
memente el número de lectores a instalar para una
cobertura aceptable. Los sistemas de posicionamien-
to basados en este sistema consisten más en un se-
guimiento del paso de las etiquetas RFID bajo los
lectores que en una ubicación a tiempo real.
B. UWB: Ultra-Wideband
La tecnología Ultra-Wideband [6, 7] es relativa-
mente nueva y consiste en el envío de pulsos de gran
ancho de banda. Un sistema de posicionamiento ba-
sado en UWB consistiría en una serie de estaciones
fijas y un número de dispositivos móviles a localizar.
El funcionamiento de un sistema basado en UWB
consiste en el siguiente proceso:
1. El dispositivo móvil emite un primer mensaje.
2. La estación fija recibe el mensaje y envía una
respuesta.
3. El dispositivo móvil recibe la respuesta y envía
un segundo mensaje.
4. La estación fija recibe el segundo mensaje y,
con los tiempos de recepción de ambos mensajes,
calcula la distancia existente entre ambos.
El cálculo de la distancia es realizado utilizando el
tiempo transcurrido en el envío de los mensajes entre
los dos dispositivos, cuya velocidad es conocida (la
velocidad de la luz).
La tecnología UWB es una de las más prometedo-
ras para el posicionamiento indoor. Tiene numerosas
ventajas, como por ejemplo:
Bajo consumo de energía.
Los obstáculos tienen un escaso impacto en el
sistema.
Permite una rápida transferencia de información
entre dispositivos emisores y receptores gracias
al gran ancho de banda utilizado.
El margen de error está en el orden de los cen-
tímetros.
A pesar de todo, actualmente esta tecnología tiene
también algunas desventajas:
El coste del sistema es, por el momento, bastante
elevado para su despliegue a gran escala.
La señal interfiere con sistemas como GPS, o
sistemas que operen en las bandas de frecuencia
250-750MHz, 3.2-4.7GHz, y 5.9-10.2GHz.
Si los efectos de las interferencias son aceptables y
el coste de despliegue de este sistema continua redu-
ciéndose, esta tecnología permitirá dar una solución
económicamente viable con un margen de error muy
pequeño para sistemas de posicionamiento indoor de
tiempo real.
C. Ultrasonidos
Pueden utilizarse soluciones basadas principal-
mente en ultrasonidos [8,9] (a veces se complementan
con radiofrecuencia para tareas de sincronización de
dispositivos) para la localización indoor de objetos y
personas.
No obstante, su bajo coste puede convertir una
solución basada en ultrasonidos en una alternativa
viable.

Existen tres tipos de sistemas de localización ba-
sados en ultrasonidos. El primero de ellos es el de-
nominado sistema bat. En este sistema, las personas
u objetos que se pretenden localizar llevan un dispo-
sitivo emisor de ultrasonidos que se activa al recibir
una señal. Una red de receptores desplegada a cor-
ta distancia unos de otro reciben los ultrasonidos y
permiten ubicar el punto de emisión.
Otro sistema, bajo el nombre de cricket consiste
en el despliegue de emisores en posiciones fijas. Estos
dispositivos emiten ultrasonidos que permiten a los
receptores localizarse.
La tercera alternativa se trata del sistema
DOLPHIN. Este sistema se basa en la igualdad entre
todos los dispositivos, con la salvedad de que algunos
de ellos están ubicados en posiciones fijas y sirven de
referencia. Los dispositivos móviles utilizan esta in-
formación junto con los datos obtenidos mediante el
uso de ultrasonidos para calcular su posición.
Esta tecnología tiene una serie de limitaciones, en-
tre las cuales se encuentran:
Las señales se limitan a la habitación en la que
se producen.
Las refracciones afectan severamente a las me-
diciones
La identificación del objeto o persona localiza-
dos es problemática.
D. Infrarrojo
La tecnología de infrarrojo se ha utilizado para la
localización indoor [10, 11] en numerosas ocasiones.
Estos sistemas se basan en la existencia de una linea
de visión sin obstáculos entre un emisor de luz infra-
rroja y un detector. El posicionamiento de activos se
efectúa mediante triangulación, para lo cual se ne-
cesita conocer el ángulo de incidencia de la luz, así
como la posición de las balizas fijas.
Como en otras tecnologías, este sistema puede uti-
lizar indistintamente como baliza fija tanto los re-
ceptores como los emisores. En cualquier caso, es ne-
cesario que exista una linea visual entre emisores y
receptores, lo cual limita su uso a situaciones en las
que sea posible mantener esta visual entre un número
de dispositivos suficiente para realizar la triangula-
ción.
Con el objetivo de identificar distintos emisores en
un sistema de infrarrojos es necesario que dichos dis-
positivos emitan un identificador. La capacidad de
transmisión está ligada a la frecuencia de toma de
datos de los receptores y necesita de una sincroniza-
ción adecuada.
Los dispositivos de infrarrojos pueden alcanzar
una precisión muy alta, de unos pocos centímetros.
No obstante, su uso en un sistema localización en
tiempo real presenta un número de problemas con
difícil solución:
Necesidad de una linea visual directa y constan-
te entre dispositivos.
Dificultad para conseguir una cobertura comple-
ta en un edificio.
Identificación de los dispositivos y baja frecuen-
cia de transmisión de datos.
E. Computer Vision
El concepto de Computer Vision o Visión Artifi-
cial consiste en la automatización del proceso llevado
a cabo por el sistema visual humano. Las imágenes
adquiridas mediante cámaras digitales se procesan
para extraer información. Es posible desarrollar un
sistema de posicionamiento indoor mediante el uso
de Visión Artificial [12].
Este sistema consiste en el uso de dispositivos con
cámara que toman imágenes de los alrededores del
usuario o activo a localizar. Estos dispositivos envían
las imágenes a un servidor remoto que las procesa,
identificando la posición del activo o persona. Es-
ta tarea requiere de la detección de los denominados
marcadores identificativos que permiten la asociación
de una imagen con una ubicación real. Posteriormen-
te, mediante el uso de secuencias de imágenes, se cal-
cula la posición con más exactitud.
Esta tecnología no necesita dispositivos emisores y
receptores, no obstante, sigue requiriendo de balizas
fijas (marcadores) que permitan asociar la posición
actual con una posición conocida. El grueso del cos-
te del sistema se encuentra en los dispositivos con
cámara utilizados, así como en el servidor central,
que tiene una carga computacional bastante elevada
en comparación con otras alternativas. Debido a esto
último, su utilización a gran escala en un entorno de
tiempo real puede presentar problemas de escalabili-
dad.
Además, este sistema necesita que el usuario es-
té involucrado activamente en el proceso de localiza-
ción, lo cual hace inviable su uso en la localización de
personas o activos en un gran número de situaciones.
F. Bluetooth Low Energy
Los dispositivos Bluetooth se engloban en los deno-
minados dispositivos WPAN (Wireless Personal Area
Network). No obstante, su alcance puede llegar a los
30-40m fácilmente a costa de una reducción en las
capacidades de transferencia bidireccional de infor-
mación. Para aplicaciones de posicionamiento indoor
esto no supone un problema demasiado grave. Este
tipo de dispositivos opera en la banda de 2.4GHz y
su consumo energético es muy bajo, permitiendo una
larga autonomía con baterías comunes.
Los sistemas de posicionamiento indoor basados
en Bluetooth Low Energy [13, 14] consisten en lo si-
guiente:
Dispositivos emisores o beacons.
Dispositivos receptores de paquetes BLE (Blue-
tooth Low Energy).
Existen dos enfoques diferentes en el uso de Blue-
tooth para el posicionamiento indoor, en función del
tipo de dispositivo que se pretenda localizar. La so-
lución más común consiste en el despliegue de un nú-
mero de beacons en ubicaciones fijas de un edificio.
Estos beacons emiten cada cierto tiempo un pequeño

paquete de datos (habitualmente utilizando el proto-
colo iBeacon [15]). Un dispositivo receptor se encarga
de leer estos paquetes y, basándose en la intensidad
de la señal recibida puede calcular su distancia con
respecto a cada uno de los beacons, permitiendo así
su posicionamiento.
Este enfoque tiene una serie de ventajas:
Las necesidades de cómputo pueden trasladarse
a los dispositivos receptores, quienes únicamente
tienen que preocuparse de su ubicación según los
paquetes que reciben.
La complejidad del despliegue se reduce.
Los dispositivos receptores pueden ser de di-
ferentes tipos, habitualmente smartphones con
una aplicación Android o iOS.
No obstante, las desventajas son numerosas:
Su uso sólo tiene sentido para la localización de
personas que portan smartphones con una apli-
cación determinada instalada.
Se traslada la responsabilidad de la localización
al usuario, quien tiene que hacer un esfuerzo pa-
ra que el sistema funcione, lo cual imposibilita
el uso del sistema bajo ciertas circunstancias.
Dado que los receptores son más caros que los
beacons, el coste del sistema aumenta.
El segundo enfoque consiste en el uso de los bea-
cons como dispositivos a localizar. Para ello, son los
dispositivos receptores los que se despliegan por el
edificio en puntos fijos. Los beacons se despliegan
junto a los objetos o personas que desean localizarse
en el interior del edificio. Los dispositivos recepto-
res reciben los paquetes de los beacons y, de nuevo
basándose en la intensidad de la señal, calculan la
distancia entre ellos y la almacenan en un servidor
central.
Este segundo enfoque tiene las siguientes ventajas:
Dado el pequeño tamaño de los beacons y su au-
tonomía, puede usarse para la localización tanto
de objetos como de personas.
El usuario no necesita realizar ningún esfuerzo
para que el sistema funcione, únicamente llevar
el beacon consigo.
Se reemplaza el uso de un smartphone por per-
sona por un beacon, por lo que el coste global
del sistema disminuye.
El hardware es homogéneo, lo que reduce dife-
rencias en las intensidades de la señal entre dis-
positivos.
Este método tiene también desventajas:
El grueso del cómputo necesario para el posicio-
namiento se centraliza en el servidor.
Se incrementa la complejidad del software re-
querido.
La infraestructura necesaria para el despliegue
de los receptores es más costosa que el despliegue
de beacons estáticos.
Las antenas receptores tienen que poder conec-
tarse a una infraestructura de comunicaciones,
Fig. 1. Aspecto de la interfaz web de Xtremeloc en la Escuela
de Ingeniería Informática de Valladolid. Los beacons apa-
recen asociados a las antenas (RDHubs) más cercanas.
bien sea por WIFI o 3G/4G, para poder enviar
la información al servidor.
III. XtremeLoc
En esta sección presentamos nuestra solución, lla-
mada Xtremeloc, y que se trata de un sistema de Lo-
calización Indoor basado en Bluetooth de Baja Ener-
gía (BLE) desarrollado en colaboración con RDNest,
una empresa de base tecnológica especializada en IoT
y participada por la Universidad de Valladolid. Los
motivos que nos han llevado a desarrollar un siste-
ma basado en Bluetooth se basan, principalmente, en
el bajo coste necesario para el despliegue, así como
en un adecuado equilibrio entre precisión espacial y
tiempo requerido para la localización.
En estos momentos, disponemos de un prototipo
piloto en funcionamiento en la Escuela de Ingeniería
Informática de la Universidad de Valladolid, tal y
como se muestra en la Fig. 1.
Nuestro sistema se compone de los siguientes ele-
mentos:
Un servidor central en el que se aloja la lógica
de Xtremeloc, junto con una aplicación web pa-
ra acceder a los datos, utilizando un framework
de visualización GIS desarrollado por nosotros
llamado Mapache.
Un número de beacons BLE que mantenemos
localizados con nuestro sistema.
Una serie de dispositivos receptores denomina-
dos RDHubs que reciben y procesan la señal
BLE de los beacons a su alcance, aplicando una
serie de correcciones para el filtrado de la señal
y para el cálculo de la distancia entre ambos.
Nuestra infraestructura consiste en un número de
RDHubs (receptores) desplegados en la planta del

edificio. Estos RDHubs son ordenadores con Linux de
bajo coste alimentados por la misma red eléctrica que
alimenta a las luminarias del edificio y conectados a
una red WIFI para el envío de los datos al servidor
y para la recepción de actualizaciones software.
Los beacons son pequeños y ligeros, con una au-
tonomía de varios meses incluso bajo condiciones de
alta frecuencia y potencia de transmisión.
Xtremeloc es un sistema en desarrollo y actual-
mente consiste en un sistema de Localización Indoor
basado en el modo de Receptor más cercano, es de-
cir, la ubicación de los beacons viene dada por la
ubicación del RDHub más cercano a ellos. En estos
momentos, nuestro desarrollo se centra en filtrar ade-
cuadamente la señal BLE recibida en los RDHubs, así
como analizar el comportamiento del sistema frente
a los obstáculos. Una vez concluida esta etapa del
desarrollo, nos centraremos en desarrollar un modo
de Ubicación Real basado en trilateración.
Para el cálculo de la distancia nos decantamos por
una función exponencial que relaciona la distancia
con la intensidad de la señal:
d=x·ey·rssi
Donde xeyson constantes que nos permiten ajustar
la curva a las particularidades de nuestro hardware, y
rssi es la intensidad de la señal para un par RDHub-
beacon.
Dado que nuestro sistema utiliza los beacons como
dispositivos a localizar, Xtremeloc no supone ningún
inconveniente para el usuario más allá de llevar consi-
go el beacon, cuyo tamaño es suficientemente peque-
ño como para ser integrado en colgantes, pulseras,
o similares. Por otra parte, dado que no requiere el
uso del smartphone del usuario, reduce la posibilidad
de que existan problemas relacionados con la privaci-
dad. Además, dado que cada beacon emite su propio
identificador, el sistema no necesita almacenar datos
relativos al usuario (salvo el identificador puntual pa-
ra poder distinguir a las personas localizadas en un
instante dado, pudiendo usar un pseudónimo para
ello).
IV. Problemas Asociados a la Señal
La utilización de Bluetooth para la Localización
Indoor presenta un número de problemas derivados
de la inestabilidad inherente a la señal. Esta señal
presenta una enorme variación en la intensidad in-
cluso en situaciones estáticas. La variación depende
de una serie de factores entre los que se encuentran:
Variaciones producidas por el hardware de los
dispositivos.
Variaciones de intensidad entre las distintas
bandas de emisión, ya que el protocolo BLE emi-
te simultaneamente en tres bandas [16].
Atenuaciones de la señal por objetos que blo-
quean el beacon.
Fenómenos de propagación multicamino [17].
Estas variaciones provocan que los datos en crudo
obtenidos por el sistema sean demasiado volátiles co-
mo para obtener una precisión adecuada. En la Fig.
2 se presenta un histograma de las intensidades de
señal (RSSI) de un beacon con respecto a uno de los
RD Hubs, situado exactamente a dos metros de dis-
tancia. En este histograma se aprecia cómo existen
diferentes zonas de pico en la recepción de la señal.
La variabilidad en la intensidad es bastante regu-
lar a lo largo del tiempo, tal y como se puede apreciar
en la Fig. 3(a), en la que se puede observar la dis-
tribución de la intensidad de los diferentes paquetes
recibidos a lo largo de cuatro horas. En la Fig. 4(a)
se muestra un intervalo más corto de cinco minutos.
Como se puede apreciar, los datos se obtienen con
una considerable variabilidad, de ±15dB.
Debido a estos problemas, en colaboración con
RDNest [18] se ha desarrollado un algoritmo de filtra-
do de la señal que nos permite obtener datos mucho
más estables para utilizarlos en el cálculo de las dis-
tancias. Este algoritmo tiene en cuenta los siguientes
puntos:
Alta escalabilidad en un entorno de tiempo real.
Capacidad de respuesta ante un comportamien-
to dinámico no previsible.
Esto es importante puesto que el sistema tiene que
ser capaz de mostrar información instantánea, de mo-
do que se pueda disponer de datos a tiempo real de
la situación de los beacons en movimiento en un edi-
ficio. Además los beacons pueden tanto moverse li-
bremente como estar estáticos, por tanto el sistema
tiene que poder dar respuesta a ambas situaciones.
El mayor problema es distinguir entre una variación
de posición o una variación en la intensidad produci-
da por los fenómenos descritos anteriormente, y las
variaciones producidas por cambios reales en la po-
sición.
La aplicación de este algoritmo, desarrollado en co-
laboración con RDNest, produce los resultados mos-
trados en las Figs. 3(b) y 4(b), correspondientes a
los datos en crudo mostrados en las Figs. 3(a) y 4(a)
respectivamente.
Como se puede apreciar en estas figuras, consegui-
mos reducir la variabilidad a ±5dB. Si bien se sigue
trabajando en este campo, en este punto podemos
trabajar con una precisión aceptable en la mayoría
de situaciones.
V. Conclusiones
En este paper hemos introducido Xtremeloc, nues-
tra solución de Localización Indoor basada en Blue-
tooth de Baja Energía, desarrollada en colaboración
con RDNest SL. Hemos presentado nuestro prototipo
piloto en funcionamiento en la Escuela de Ingeniería
Informática de la Universidad de Valladolid, descri-
biendo el hardware empleado y las responsabilidades
de los distintos dispositivos para el funcionamiento
del sistema.
Hemos elaborado un resumen de las diferentes tec-
nologías de Localización Indoor existentes en la ac-
tualidad, seleccionando aquellas cuyo coste y preci-
sión pueden ser viables para un despliegue en situa-

0
1000
2000
3000
4000
5000
6000
-100 -90 -80 -70 -60 -50 -40
Count
RSSI(dB)
Fig. 2. Histograma de RSSI de un beacon durante cuatro
horas.
ciones reales. Se han descrito las diferencias de fun-
cionamiento de las diferentes tecnologías menciona-
das, con especial atención a las necesidades de un
despliegue basado en esas tecnologías, así como en
las fortalezas y debilidades de las mismas.
Finalmente, hecho un análisis de los problemas re-
lativos a la señal Bluetooth, mostrando resultados en
crudo así como el correspondiente filtrado utilizando
los algoritmos desarrollados por RDNest. Nuestros
algoritmos consiguen reducir la variabilidad de la se-
ñal Bluetooth de ±15 dB a ±5dB, aumentando
considerablemente la precisión del sistema al mismo
tiempo que mantenemos un buen comportamiento
del sistema a tiempo real y asegurando la escalabili-
dad del mismo.
Nuestro trabajo continua en diferentes frentes. Por
una parte, en colaboración con RDNest continuamos
intentando reducir la variabilidad Bluetooth sin afec-
tar al rendimiento del sistema. Con los actuales ni-
veles de precisión, comenzamos el trabajo para im-
plementar un sistema de Localización Real basado
en trilateración con los mismos criterios de manteni-
miento de la escalabilidad del sistema y de la capaci-
dad de respuesta a tiempo real del mismo. Por otro
lado, continuamos expandiendo el prototipo piloto
añadiendo más RDHubs y beacons para extender la
cobertura en la Escuela de Ingeniería Informática de
Valladolid.
Agradecimientos
Esta investigación ha sido parcialmente financiada
por el MICINN y el programa ERDF de la Unión Eu-
ropea: proyecto HomProg-HetSys (TIN2014-58876-
P), la red CAPAP-H6 (TIN2016-81840-REDT) y el
COST Program Action IC1305: Network for Sustai-
nable Ultrascale Computing (NESUS).
Los autores desean agradecer a la Escuela de In-
geniería Informática de la Universidad de Valladolid
por su autorización y colaboración en el despliegue
del prototipo piloto de Xtremeloc.
También agradecemos los comentarios recibidos
por parte de los revisores asignados, cuyas reseñas
nos han sido de gran ayuda para mejorar el artículo.
Referencias
[1] Krzysztof W Kolodziej and Johan Hjelm, Local positio-
ning systems: LBS applications and services, CRC press,
2006.
[2] Luca Mainetti, Luigi Patrono, and Ilaria Sergi, “A survey
on indoor positioning systems,” in Software, Telecom-
munications and Computer Networks (SoftCOM), 2014
22nd International Conference on. IEEE, 2014, pp. 111–
120.
[3] Zhenlong Song, Gangyi Jiang, and Chao Huang, “A sur-
vey on indoor positioning technologies,” in Theoretical
and Mathematical Foundations of Computer Science, pp.
198–206. Springer, 2011.
[4] Abdelmoula Bekkali, Horacio Sanson, and Mitsuji Matsu-
moto, “Rfid indoor positioning based on probabilistic
rfid map and kalman filtering,” in Wireless and Mobi-
le Computing, Networking and Communications, 2007.
WiMOB 2007. Third IEEE International Conference on.
IEEE, 2007, pp. 21–21.
[5] Samer S Saab and Zahi S Nakad, “A standalone rfid
indoor positioning system using passive tags,” IEEE
Transactions on Industrial Electronics, vol. 58, no. 5, pp.
1961–1970, 2011.
[6] Suheer Alhadhrami, A Al-Salman, H Al-Khalifa, Ab-
dulrahman Alarifi, Ahmad Alnafessah, Mansour Alsa-
leh, and M Al-Ammar, “Ultra wideband positioning: An
analytical study of emerging technologies,” in Procee-
dings of the Eighth International Conference on Sensor
Technologies and Applications, SENSORCOMM, 2014,
pp. 1–9.
[7] Marco Gunia, Florian Protze, Niko Joram, and Frank
Ellinger, “Setting up an ultra-wideband positioning sys-
tem using off-the-shelf components,” in Positioning,
Navigation and Communications (WPNC), 2016 13th
Workshop on. IEEE, 2016, pp. 1–6.
[8] Mike Hazas and Andy Hopper, “Broadband ultrasonic
location systems for improved indoor positioning,” IEEE
Transactions on mobile Computing, vol. 5, no. 5, pp. 536–
547, 2006.
[9] Yasuhiro Fukuju, Masateru Minami, Hiroyuki Morikawa,
and Tomonori Aoyama, “Dolphin: An autonomous in-
door positioning system in ubiquitous computing envi-
ronment.,” WSTFES, vol. 3, pp. 53, 2003.
[10] Erwin Aitenbichler and Max Muhlhauser, “An ir local
positioning system for smart items and devices,” in Dis-
tributed Computing Systems Workshops, 2003. Procee-
dings. 23rd International Conference on. IEEE, 2003, pp.
334–339.
[11] Chunhan Lee, Yushin Chang, Gunhong Park, Jaeheon
Ryu, Seung-Gweon Jeong, Seokhyun Park, Jae Whe
Park, Hee Chang Lee, Keum-shik Hong, and Man Hyung
Lee, “Indoor positioning system based on incident angles
of infrared emitters,” in Industrial Electronics Society,
2004. IECON 2004. 30th Annual Conference of IEEE.
IEEE, 2004, vol. 3, pp. 2218–2222.
[12] Jongbae Kim and Heesung Jun, “Vision-based location
positioning using augmented reality for indoor naviga-
tion,” IEEE Transactions on Consumer Electronics, vol.
54, no. 3, 2008.
[13] Fazli Subhan, Halabi Hasbullah, Azat Rozyyev, and
Sheikh Tahir Bakhsh, “Indoor positioning in bluetooth
networks using fingerprinting and lateration approach,”
in Information Science and Applications (ICISA), 2011
International Conference on. IEEE, 2011, pp. 1–9.
[14] Paul K Yoon, Shaghayegh Zihajehzadeh, Bong-Soo Kang,
and Edward J Park, “Adaptive kalman filter for indoor
localization using bluetooth low energy and inertial mea-
surement unit,” in Engineering in Medicine and Biology
Society (EMBC), 2015 37th Annual International Con-
ference of the IEEE. IEEE, 2015, pp. 825–828.
[15] Markus Koühne and Jürgen Sieck, “Location-based ser-
vices with ibeacon technology,” in Artificial Intelligence,
Modelling and Simulation (AIMS), 2014 2nd Internatio-
nal Conference on. IEEE, 2014, pp. 315–321.
[16] Inc. Bluetooth SIG, “Bluetooth core version
4.2,” https://www.bluetooth.com/specifications/
adopted-specifications, 2014, Accedido: 25-05-2017.
[17] Sheng Zhou and John K Pollard, “Position measurement
using bluetooth,” IEEE Transactions on Consumer Elec-
tronics, vol. 52, no. 2, pp. 555–558, 2006.
[18] “RDNest SL.,” https://www.rdnest.com, Accedido: 25-
05-2017.

-100
-90
-80
-70
-60
-50
-40
0 2000 4000 6000 8000 10000 12000 14000
RSSI(dB)
Time(s)
-100
-90
-80
-70
-60
-50
-40
0 2000 4000 6000 8000 10000 12000 14000
RSSI(dB)
Time(s)
(a) Señales sin fltrar. (b) Señales filtradas.
Fig. 3. Distribución de RSSI de un beacon en un periodo de cuatro horas.
-100
-90
-80
-70
-60
-50
-40
0 50 100 150 200 250 300
RSSI(dB)
Time(s)
-100
-90
-80
-70
-60
-50
-40
0 50 100 150 200 250 300
RSSI(dB)
Time(s)
(a) Señales sin filtrar. (b) Señales filtradas.
Fig. 4. Distribución de RSSI de un beacon en un periodo de cinco minutos.